这是最先被展示、也最让人安心的数字。它也是最容易在不改进任何东西的情况下提高的数字。我们通过收紧自己系统的过滤条件给它标上了数字:胜率变了,钱没变。
我们要求系统满足全部六个条件,而不是五个。胜率上升了——很少,半个百分点——而钱保持不变:247.80 R 对 251.66,这个差距比同一系统两次运行之间的波动还小。真正改变的是:交易次数减少了三分之二。
胜率告诉你有多少笔交易以盈利结束。它不告诉你赚的那些赚了多少, 也不告诉你亏的那些亏了多少。这是两个不同的问题,它只回答了一个。
而且它可以随意提高,完全不必触及任何东西的质量:只要早早平掉走得好的交易, 让走得不好的继续跑就行。每一笔早早以小利润平掉的交易都算一次胜利。每一笔 留着不平、等它回来的亏损,还不算失败。有了这两个习惯, 胜率上升,账户下降。
所以,当胜率非常高时,首先该问的不是它是怎么做到的, 而是失败时亏多少。一个胜率 85 %、每次失败亏掉 每次胜利所赚十倍的系统,是亏钱的。一个胜率 40 %、赚到所承担风险三倍的系统, 是赚钱的。
我们的系统在入场前检查六个条件,至少满足五个时就交易。 把它收紧到六个的想法看起来显而易见:更严格,入场更好,胜率更高。而且这在内部 被当作不言自明的事流传,所以我们去测量了它。
| 严格程度 | 结果 (R) | 胜率 | 利润因子 | 最大回撤 | 运行之间的波动 |
|---|---|---|---|---|---|
| 6 选 5(目前使用的) | 251,66 | 40,7 % | 1,357 | −43,13 | 30,96 |
| 6 选 6 | 247,80 | 41,2 % | 1,425 | −32,77 | 18,10 |
收紧并没有改变钱。结果上的差距是 3.86 R。而同一个系统,只改变 同一天到达的标记的处理顺序、运行二十五次,每次之间就在 18 到 31 R 之间摆动。这个差距完全落在这种摆动之内:凭这些数据我们无法说 一个版本胜过另一个,无论哪个方向。
真正改变、而且改变很大的,是交易次数。胜率上升了半个百分点。整份报告 用一句话概括就是:更严格,胜率稍高,钱一样。如果胜率衡量的是质量, 严格版本就会更好。但它不是:它是同一个系统,只交易了三分之一的次数。
答案在于标记是如何分布的,而且和我们预期的不一样。回测的 11,988 个标记中,8,247 个满足五个条件,3.741 个满足六个。要求满足全部六个 去掉的不是少数:而是 68.8 %。三个中去掉两个。
这就解释了为什么钱不动。如果取消持仓数量的上限, 让两组各自运行,它们每笔交易的收益几乎一样:满足五个条件的是 0.189, 满足六个的是 0.185。第六个条件并不能区分好标记和坏标记。所以去掉 三分之二的标记并没有去掉坏的:而是按同样比例什么都去掉,结果 停在原地。
还有第二个效应,它解释了为什么也没有变好。一个普通账户同时只能 持有有限几个仓位,所以大部分标记根本没有机会被交易: 持有十个仓位时,11.988 个中只交易了 1,485 个。当过滤条件去掉一个入场时,几乎总有 另一个同样好的在等着占那个位置。收紧并没有留下更好的入场:它留下的是同样的入场, 只是次数更少。更少的入场不等于更好的入场。
胜率没有下降:它上升了半个百分点,从 40.7 % 到 41.2 %。在运行之间这样的摆动下, 半个百分点同样说明不了什么,所以我们没有在它上面建立任何东西。我们把它写下来,是因为在本报告的第一 版中我们说它下降了,而那不是真的。
更正 — 2026 年 8 月 16 日
本报告的第一版说「11,988 个标记中有 10,824 个已经满足 六个条件,占 90 %」,并得出结论说过滤条件几乎没有区分作用。那是错的。那个 10,824 是另一次运行的入场总数,被当成了分布来读。正确计数后,满足 六个条件的是 3,741 个——31.2 %——所以过滤条件确实有区分作用,而且很大:它去掉了三个中的两个 标记。而且这次更正还不够彻底:我们说「报告的结论不变(要求六个 在全部五列中都更差)」,但结论其实变了。下面 8 月 17 日的更正对此做了解释。我们 把它原样保留在这里,而不是悄悄修改。
第二次更正 — 2026 年 8 月 17 日
昨天的更正修正了标记的分布,并写下「报告的结论 不变」。结论其实变了。表中「6 选 6」那一行是在错误的组上测量的 ——正是我们昨天更正的那个 10,824 个标记的错误——而我们修正了解释,却保留了 由它得出的数字。在正确的组上测量后,「6 选 6」得出的不是 192.14 R,而是 247.80, 我们宣布的 24 % 下降并不存在:差距是 3.86 R,属于噪声。它也不是「在全部五列中 都更差」。我们重做了表格以及依附于它的推理。核心观点—— 胜率不衡量质量——依然成立,而且有了一个比原来更干净的例子。
为了不再把胜率当作质量的衡量标准。它是你把出场设在哪里的结果,而不是你入场好坏的属性。近的目标更常被触及,胜率上升,每次胜利留下的更少;远的目标则相反。系统没有变:变的是在哪里平仓。我们的系统目标设在 3 R,胜率为 40.7 %。
真正能比较两个系统的指标,是把亏损交易也算进去后每笔交易的平均收益。如果 你更喜欢单一数字,那就是利润因子:每流出一欧元,流入多少。85 % 的胜率本身 还什么都说明不了。
也为了对「越严格越好」的直觉保持怀疑。这种推理听起来太顺了,以至于几乎 从来没人去验证。在这里,验证它避免了用系统换来一场空:我们本来会只交易三分之一的次数, 最后停在同一个地方。
它没有说收紧过滤条件更差,也没有说更好:它说的是在这个系统和这些 数据下,钱上看不出区别,而原因很具体——通过过滤条件的标记,收益和没通过的 几乎一样。在一个过滤条件确实能区分好坏的系统里, 结果会不同。它也没有说表中的小差异(利润因子、 回撤)有什么意义:在运行之间存在这种波动的情况下,我们不认为它们成立。它没有说高胜率本身 就可疑;它说的是,单看胜率、不知道失败时亏多少,它不提供信息。它也没有说任何人应该如何处置 自己的钱。
对别人展示给你的任何结果,问两个问题:失败时你亏多少?以及 出场在哪里?有了这两个问题,胜率才开始有意义。没有它们,它只是 装饰。
还有一个你可以在自己的策略上做的检验:把你的标记分成 通过你正考虑增加的过滤条件的和没通过的,然后比较两组中每笔交易的平均收益。 如果两个数字相近,这个过滤条件就没有在区分好坏:它只会 减少你的交易。数有多少个通过是没用的——它可能去掉很多也可能去掉很少,但无论哪种 情况,都不能告诉你被去掉的是否更差。
如果你想继续追下去
这个系列的另外两份报告:在信任一套策略之前需要多长的历史数据,以及为什么同一个测试重复二十五次会得出二十五个不同的结果。全部都在 sophronepsis.com/informes.html。
如果你想学会自己看这些,六天的学习路线在 app.sophronepsis.com/empieza。
一份报告是某一天的快照。在平台内,有新数据时测量会 重新进行,每套策略旁边都附有它的测试,导师会随时回答你提出的 问题。sophronepsis.com/mentoria.html
这是一项研究,不是说教。如果你在方法或计算中发现错误, 写信到 hola@sophronepsis.com,我们会公开更正。 Sophronepsis · 等待。观察。执行。
回测:在 148 只股票和 16.6 年的日线数据上生成 11,988 个标记,3 R 出场,每种配置打乱 25 次并公布中位数。基于 148 只股票和 16.6 年日线数据测量,成本为 0.05 % 佣金和 0.05 % 滑点,不计经纪商隔夜持仓费用。每种配置运行 25 次,打乱同一天标记之间的先后顺序,并公布中位数。教育内容,不构成投资建议。我们不出售信号,也不管理第三方资金。Familia FVR · Sophronepsis。